Nauwkeurigheid, snelheid, een zo groot mogelijke flexibiliteit en eenvoudige bediening door de eindge-bruiker zijn de belangrijkste criteria voor de bruikbaar-heid in de praktijk van 3D beeldverwerkingsoplos-singen. Het Fraunhofer-Institut für Produktions-technik und Automatisierung (IPA) heeft algoritmen ont-wikkeld voor de specifieke filtering en reductie van de sensordata. Doel hiervan is om mar-kante punten met voorrang te identificeren en objecten klein en compact af te beelden.
Er is een groot verschil tussen een robot die in een vaste en duidelijk ge-definieerde omgeving moet werken, en een robot die in sterk wisselende omgevingen inzetbaar moet zijn. Een magazijn- of sorteerrobot pakt ver-schillende soorten chaotisch aangeleverde delen, zonder dat deze vooraf moeten worden geprogrammeerd.
Een assistentierobot voor alleenstaande senioren moet zelfstandig voor-werpen uit de huishouding en de woonkamer uit elkaar houden en intuïtief nieuwe objecten inleren. Een reinigingsrobot in een groot kantoor moet zelfstandig sterk gebruikte en vervuilde oppervlakken herkennen en deze doelgericht reinigen.
Met de nieuwe systemen voor driedimensionale objectherkenning en omge-vingswaarneming zouden robots dergelijke complexe opdrachten kunnen uitvoeren. De onderzoekers voorzien nog meer toepassingen zoals per-soonherkenning en -identificatie of een goedkope lokalisering van mobiele robots op basis van eenvoudige kleurencamera’s.
Wolken
De robots scant zijn omgeving in 3D met de combinatie van een kleuren- en dieptecamera, die een kleurige wolk van punten opleveren met exact toe-gekende afstandswaarden. Uit de wolk van punten wordt een geometrische kaart gemaakt, met belangrijke kenmerken en geometrische basisvormen.
Het 3D beeldverwerkingssysteem herkent objecten aan de hand van hun positie en oriëntatie.
Hierdoor kunnen de belangrijke objecten snel en betrouwbaar worden geïdentificeerd inclusief de oriëntatie in de omgeving. Dit functioneert bijna zonder tijdvertraging en maakt zowel een botsingsvrije navigatie als af-standsbediening door een mens mogelijk, die de beschikbare data sneller kan begrijpen.
Ook de herkenning en classificatie van objecten verloopt snel en betrouw-baar door het gerichte zoeken naar markante punten zoals lijnen en hoeken, waaruit een model is opgebouwd en wordt opgeslagen. Op deze manier kunnen objecten ook bij verschillende lichtomstandigheden en zelfs bij gedeeltelijke afscherming of vervorming nog betrouwbaar worden herkend. Om de objecten terug te vinden zoekt robot naar de markante punten en concludeert daaruit de objectpositie in de ruimte.
Classificatie
Het 3D objectherkenningssysteem voor servicerobots kan echter nog meer. Uit de combinatie van geometrische basisvormen kan het ook de classificatie of categorie van het object bepalen.
De robot ‘weet’, dat een tafel uit een horizontale plaat met vier verticale cilinders (poten) bestaat. De fles erop is een lange cilinder, het melkpak een hoog vierkant en de sleutel is een halve bol. Dankzij deze combinatie van objectherkenning en classificatie kan de robot zelfstandig nieuwe objecten aanleren of er intuïtief op worden getraind. Hierdoor kan hij dergelijke objecten in een veranderende omgeving steeds herkennen en dat binnen een seconde.
Toekomst
De mogelijkheid om objecten aan te leren, samen met de herkenning van de omgeving in 3D, kan de sleuteltechnologie worden voor de ontwikkeling van geavanceerde assistent robotsystemen. Deze zullen niet alleen voor de alleenstaande oudere een hogere levenskwaliteit mogelijk maken.
De onderzoekers zien nog meer toepassingsmogelijkheden voor hun sy-steem, zoals bestuurders-assistentiesystemen voor het herkennen van de beweging van andere voertuigen of de trottoirband, maar ook in de industriële toepassing voor autonome zelfrijdende transportsystemen of voor onderhouds-, opslag- en sorteerwerkzaamheden
Het inleren van nieuwe objecten duurt maar een paar minuten en is ook voor de leek gemakkelijk uit te voeren. Daarmee ontstaan nieuwe moge-lijkheden voor flexibiliteit in de automatisering van kleine producties.
